企業數字技術應用的減污降碳協同效應研究

摘 要：依據2010—2022年中國滬深A股上市公司面板數據，運用雙向固定效應模型，考量數字技術應用的減污降碳協同效應及首席數據官調節作用。結果顯示：企業數字技術應用通過提升綠色技術創新和改善ESG績效，降低污染物排放及碳排放效應顯著，設立首席數據官強化了這一效應；異質性檢驗顯示，減污降碳協同效應在中小規模企業、非重污染行業以及東部地區企業更為顯著。鑒于此，建議強化企業ESG績效考核，進一步加大數字技術應用力度，鼓勵綠色技術創新。

關鍵詞： 數字技術；減污降碳；協同效應；首席數據官

中圖分類號：F062；F205 文獻標識碼： A 文章編號：1003-7217（2024）04-0136-08

一、引 言

企業協同減排的順利推進對于應對全球氣候變化問題至關重要。近年數字技術在中國快速推進，正逐步應用到經濟社會發展各領域全過程。自然資源觀理論認為，企業保持競爭優勢的能力越來越依賴于與自然環境相關的可持續增長資源。有研究基于該理論指出，數字技術是緩解環境問題的戰略性工具，對企業增強競爭優勢具有至關重要的作用[1]。但是，在數字技術的實際應用中，短期也不可避免地會增加企業成本，甚至有可能擠占環境投入，進而損害環境。因此，迫切需要科學評估數字技術應用對環境的影響，特別是對企業減少污染物和降低碳排放的作用。

與研究相關的文獻主要有兩支。第一支文獻主要從宏觀層面研究數字化與環境保護的關系，涵蓋了從國家[2]、省級[3]到城市層面[4-6]的數字化對污染物排放及碳排放的影響。如張爭妍和李豫新[3]發現，數字經濟的發展顯著降低了中國人均碳排放量、碳排放增量和碳排放增速；楊剛強等[4]證實數字經濟發展通過促進技術進步、技術多樣化和能源利用效率，推動了碳減排。第二支文獻主要考察了企業高管如何有效利用數字技術更好地解決環境問題。為適應數字化趨勢，一些企業已設立了首席數據官一職[7]，以提升高層管理團隊對數字技術及應用的認知和重視。現有研究將首席數據官定義為在企業內部擬定及全面推廣數字戰略、向各方利益相關者宣傳數字化項目以及引導企業數字化轉型的高層管理者[8]，并探討了首席數據官對企業創新的影響。

綜上，現有研究主要在宏觀層面對數字技術的環境效應進行探討，鮮有文獻關注微觀層面的企業數字技術應用對減污降碳的協同影響。鑒于此，依據2010—2022年中國滬深兩市2687家A股上市公司的面板數據，運用雙向固定效應模型，考量數字技術應用對企業減污降碳的協同效應及首席數據官的調節作用；同時，從綠色技術創新和環境、社會、治理（ESG）績效兩個維度檢驗影響機制以及由企業的所有權結構、規模、所屬行業、地理位置等因素導致的異質性特征，為政府針對企業制定減污降碳政策提供實踐證據和理論依據。

二、理論分析和研究假設

（一）企業數字技術應用的減污降碳效應

工業污染物排放與碳排放（例如氮氧化物和二氧化硫排放）具有同源特征[9]，這揭示了同步緩解環境污染和碳排放問題的可能性[10]，即企業在減少污染物排放和碳排放方面的協同作用是切實可行的。首先，在研發階段，利用人工智能可以簡化產品設計流程，縮短研發周期，進而降低資源的消耗與浪費[11]。其次，在生產階段，利用大數據技術可以對污染源進行實時監控，并促進生產過程中的節能減排[12]。再次，在產品終端階段，云計算和人工智能都可以高效地分揀成品，加強廢物管理和資源回收。最后，在運營管理層面，互聯網和大數據技術有助于實現更高效的資源調配，提升運營效率，從而節約能源[13]。基于此，提出：

假設1 企業數字技術應用有助于污染物排放和碳排放的協同減少。

（二）首席數據官的調節作用

首席數據官承擔著在企業內推動數字化轉型的關鍵使命，通常負責開展和實施數字技術相關活動，并引領組織范圍內的數字變革[7]。有文獻指出，首席數據官是制定與執行數字化戰略的高層管理人員，其專業背景、價值觀和技能在引導企業應用數字技術實現環境可持續性方面發揮著重要作用[8]。例如，Bendig等[1]發現首席數據官通過引入并推廣物聯網（IoT）、云計算以及人工智能等技術，有效提升了能效、減輕了環境影響；此外，Scuotto等[14]的研究也表明，首席數據官通過大數據分析促進資源配置優化、減少能源消耗和流程數字化來縮減企業的碳足跡。由此可見，首席數據官在企業數字技術應用對環境效應的影響中發揮著重要作用。基于此，提出：

假設2 首席數據官的設立有利于強化企業數字技術應用的減污降碳效應。

（三）綠色技術創新提升機制

數字技術的核心優勢在于能夠加速知識溢出和信息傳遞，這一過程可以極大地推動技術進步，如綠色技術創新。有研究表明，數字技術通過技術手段加強污染物或廢物管理、激發企業綠色技術創新潛力[15]，實現對環境污染和碳排放的協同控制。如云計算和大數據技術的應用提升了綠色創新資源的配置效率，使企業得以構建促進降低污染物和碳排放的低碳運營模式；人工智能技術能運用于企業的生產全過程，顯著減少整個行業的能源消耗，提高能效，為通過加強綠色技術創新來減少污染物及碳排放提供助力。基于此，提出：

假設3 數字技術應用有助于提升綠色技術創新來協同降低企業污染物及碳排放。

（四）環境、社會和治理（ESG）績效強化機制

現有研究已明確了數字技術在提升ESG績效的數據收集和報告準確性及可靠性方面的作用，并揭示了其改進企業減污降碳效應的可能性[16]。具體而言，在環境（E）維度上，物聯網和智能傳感器等技術能夠持續監測能源使用情況和控制污染，這有利于改善ESG表現，進而激勵企業減少污染物和碳排放。在社會（S）維度上，人工智能技術在供應鏈管理中的應用，優化了運作流程，從而為節能減排工作做出貢獻。在治理（G）維度上，區塊鏈技術的采用提高了數據交換的安全性和透明度，提升了管理團隊的治理水平和資源配置效率，進而幫助企業減少能源消耗。基于此，提出：

假設4 數字技術有助于通過強化ESG績效來協同降低企業污染物及碳排放。

三、研究設計

（一）樣本與數據來源

研究樣本為2010—2022年期間滬深A股上市公司。為了提高數據的可靠性、準確性及穩定性，剔除了金融機構，ST、*ST、PT 股以及退市或暫停上市的公司，資產小于零或關鍵變量缺失的公司，最終獲取了2687家公司的15163個觀測值樣本。此外，為了盡量減少離群值的影響，對所有連續變量進行了1%和99%水平的縮尾處理。

污染物排放和碳排放數據從上市公司的年報、社會責任報告和相關網站上手工收集。此外，數字技術和其他控制變量的數據來自CSMAR（國泰安）數據庫；首席數據官的數據則從CSMAR數據庫中的高管簡歷中手動提取。

（二）變量選取

1. 解釋變量。數字技術應用（DT）。參照Gu等[17]的方法，采用機器學習技術對企業年報中的文本信息進行挖掘，提取包含大數據、人工智能、區塊鏈和云計算這四個關鍵領域的62個數字技術相關關鍵詞，構成了一個詞典集①，計算出總詞頻。最終，依據式（1）計算出各公司數字技術應用得分，以此量化企業數字技術的應用水平。

DTit=∑d∈D0.5504×Adit+0.1298×Bdit+

0.1832×Cdit+0.1366×Ddit（1）

其中，DTit表示樣本i公司在t年的數字技術應用得分。Adit、Bdit、Cdit、Ddit分別代表人工智能、區塊鏈、云計算和大數據技術等術語的詞頻。d∈D表示數字技術的術語詞典集。

2. 被解釋變量。（1）污染物排放（PE）。借鑒毛捷等[18]的方法，將企業的污染物排放量定義為綜合水污染和大氣污染的總和。具體根據《排污費征收標準管理辦法》確定各污染物的污染當量值進行標準化；同時為避免發生數據截斷的問題，將污染當量值加1取自然對數，以反映企業污染物排放水平。（2）碳排放（CE）。參考Wang等[5]提出的方法計算企業的碳排放量，如式（2）所示。

CEit= ∑FFCit+BFCit+RMEit （2）

其中，CEit 表示樣本 i 企業在 t 年的碳排放量。FFCit、BFCit、RMEit 分別代表 i企業在 t 年的化石燃料燃燒排放、生物質燃燒排放和原材料開采的逃逸性排放。

3. 調節變量。首席數據官（CDO）。借鑒Kunisch等[7]的方法，采用0～1虛擬變量來衡量首席數據官的設立：若在特定年度末企業設有首席數據官職位，則該變量賦值為1，否則賦值為0。

4. 控制變量。根據方先明和胡丁[19]的研究，在模型中考慮了以下控制變量：企業規模（Size）、企業年齡（Age）、財務杠桿（Lev）、資產收益率（ROA）、凈銷售利潤率（Net Profit）、現金流比率（Cashflow）和營業收入增長率（Growth）。變量定義見表1。

（三）模型設定

1. 基準模型。為了檢驗企業數字技術應用的減污降碳效應，借鑒Plümper和Troeger[20]的研究，構建雙向固定效應模型進行分析：

Yit=β0+β1DTit+δControlsit+μi+γt+εit（3）

其中，Yit 為被解釋變量，表示樣本 i 公司在 t 年的污染物排放（PE）和碳排放（CE）。DTit為解釋變量，捕捉樣本 i 公司在 t 年的數字技術水平。Controlsit 是表1中定義的所有控制變量的向量。β0 代表截距。μi 和 γt 分別代表公司和年份的固定效應。εit 表示隨機誤差項。

2. 調節效應模型。在基準回歸中加入首席數據官和數字技術的交乘項（DT×CDO）檢驗首席數據官設立在企業數字技術應用的減污降碳效應中的調節作用，具體如下：

Yit=β0+β1DTit+θ1CDOit+θ2DTit×CDOit+δControlsit+μi+γt+εit（4）

其中，CDOit 表示調節變量，即樣本 i 公司在 t 年是否設立首席數據官。

（四）數據描述

1.描述性統計。表2報告了回歸中關鍵變量的描述性統計結果，結果顯示各公司之間存在較大的差異與波動性。

圖1反映了核心變量——數字技術應用、污染物排放以及碳排放的分布情況。結果顯示數字技術應用和碳排放的數據分布具有均衡性；但是污染物排放變量的箱形圖很短且中值線不位于箱形圖的中間，意味著其大部分數據點都相似并位于較小范圍內，表明數據分布不均衡。

2.企業數字技術應用的動態演進。圖2繪制了2010—2022年樣本企業數字技術術語詞頻分布趨勢。結果顯示，盡管2021年企業數字技術應用存在下滑狀態，但總體而言，隨時間推進而呈穩定增長趨勢。

四、實證結果分析

（一）基準回歸結果

表3列出了基準回歸結果，列（1）和列（2）顯示，在1%的顯著性水平上，企業的數字技術應用與污染物及碳排放之間存在顯著的負相關關系。具體而言，企業的數字技術應用水平每增加一個單位，將帶來污染物排放量減少3.68%、碳排放量減少0.31%。因此，假設1得到驗證，即企業數字技術應用有助于污染物排放及碳排放的協同減少。

此外，在控制變量中，企業年齡（Age）、企業規模（Size）、現金流比率（Cashflow）對企業的污染物排放和碳排放存在顯著正向影響；財務杠桿（Lev）和凈銷售利潤率（Net profit）的系數為負，表明其存在減污降碳協同效應；而隨著企業資產收益率（ROA）的提升，顯著降低了污染物排放，但企業資產收益率（ROA）和營業收入增長率（Growth）的提高導致了碳排放增加。

（二）首席數據官的調節效應

表4揭示了首席數據官的調節效應。列（1）和列（2）數據分別顯示，企業數字技術應用與首席數據官之間交乘項（DT×CDO）的回歸系數均為負，這表明首席數據官設立在企業數字技術應用與減污降碳關系中發揮了正向調節作用，假設2得到驗證，即首席數據官角色強化企業數字技術應用的減污降碳協同效應。配備了首席數據官的企業更傾向于使用數字技術來優化環境戰略的制定。

（三）內生性問題與穩健性檢驗

1.為了消除樣本自選擇偏誤帶來的內生性問題，采用傾向得分匹配法（PSM）進行樣本匹配，以檢驗結果的穩健性。鑒于核心解釋變量是一個連續變量，首先進行組內均值處理，然后將樣本根據DT值的大小從高到低劃分為四等份，將DT值最高的一組作為實驗組，剩余DT值較小的三組作為對照組；設置卡尺值的閾值為0.01，并采用1∶1的最近鄰匹配方法。圖3顯示，匹配后兩組的傾向得分具有顯著的相似性，這驗證了該匹配方法的有效性。

此外，對匹配后樣本的平衡性進行評估。表5顯示了匹配前后協變量的差異情況。通過判斷bias前后的變化可以觀察到，所有協變量的偏差百分比均降至10%以下，t檢驗的結果均未拒絕零假設，這表明樣本間的協變量匹配度得到了顯著提升，樣本選擇誤差被有效降低，說明了匹配過程的有效性。

最后，對執行PSM后的樣本進行重新回歸，結果如表6所示，在1%的顯著性水平上，數字技術應用這一核心解釋變量對企業污染物及碳排放的影響仍然呈現顯著負向效應，這與先前的基準回歸結果相吻合，證實了基準回歸結果的穩健性。

2.采取替代變量法進行穩健性檢驗。一方面，選擇了使用省級污染物排放數據替代企業級數據，采用熵值法構建了省級污染物排放的綜合指標①，該指標被標記為PE_2，數據源自《中國統計年鑒》和《中國環境統計年鑒》。另一方面，借鑒何勤等[21]的做法，選用另一種衡量數字技術的指標——人工智能的采用程度（AI），使用公司機器的賬面價值除e6l66YxI14lj83YhjzN5Aw==以員工總數進行測度。回歸結果如表7所示，其中，列（1）和列（2）表明，在1%的顯著性水平上，企業數字技術應用對污染物排放和碳排放均具有顯著的負向影響，與基準回歸結果相符。

3.調整樣本期進行穩健性檢驗。考慮到2020—2021年的新冠疫情擾亂了中國和全球經濟，剔除疫情年份并加入協變量Covid后重新進行回歸。表7列（3）和列（4）的結果證實了數字技術應用對企業污染物及碳排放仍有顯著負向影響。

五、機制檢驗與異質性分析

（一）機制檢驗

1.綠色技術創新提升機制。沿用任曉松等[22]的研究方法，將綠色專利授權總量的自然對數作為綠色技術創新水平的測度。綠色專利授權總量包括企業在特定年份獨立或聯合獲得的綠色發明和綠色實用新型的數量。數據來源于中國研究數據服務平臺（CNRDS）。表8第（1）列的結果顯示，綠色技術創新系數在1%的顯著性水平上為正，假設3得到驗證。

2.企業ESG績效強化機制。參考謝紅軍和呂雪[23]的方法，使用華正ESG評級作為企業ESG績效的衡量指標。表8第（2）列的結果顯示，ESG績效的系數在1%的水平上顯著為正，假設4得到驗證。企業ESG表現作為一種“加速器”，加速了數字化轉型在降低環境污染和碳排放方面的協同效應。

（二）異質性分析

1.基于企業規模的異質性。參考方先明和胡丁[19]的做法，以數據集的中位數為分界點，將企業劃分為中小型企業與大型企業進行檢驗，回歸結果見表9所示。列（1）和列（2）結果顯示，在大型企業中，數字技術應用與污染物及碳排放降低之間并未表現出統計學上的顯著關聯。列（3）和列（4）結果顯示，中小型企業數字技術應用對污染物及碳排放影響的回歸系數均顯著為負，表明其通過數字技術應用有效降低了污染物及碳排放。

2.基于所屬行業的異質性。遵循毛其淋和王玥清[24]的行業分類方法，將企業區分為重污染企業和非重污染企業進行檢驗。表10的結果顯示，僅在非重污染企業中，數字技術應用對污染物及碳排放存在顯著的協同減少，這一現象背后的原因可能是：相對于重污染企業，非重污染企業的現有污染水平相對較低，通過數字技術產生減污降碳效應可能更明顯。

3.基于地域的異質性。借鑒Shahbaz等[25]的研究方法，進一步考察中國東部、中部和西部地區企業的異質性。表11列（1）和列（2）顯示東部地區的企業數字技術應用對污染物及碳排放影響的系數均為負，說明該地區的企業采用數字技術實現了減污降碳協同。第（3）至第（6）列顯示，在中部和西部地區，企業采用數字技術盡管降低了污染物排放，但增加了碳排放。出現這種現象的原因可能是中西部地區數字基礎設施相對落后，企業采用數字技術的普及率較低，導致無法有效推動企業減污降碳的協同。

六、結論與建議

依據2010—2022年滬深A股上市公司面板數據，運用雙向固定效應模型，考量數字技術應用的減污降碳協同效應及首席數據官調節作用。結果顯示：（1）數字技術應用顯著促進了企業污染物及碳排放的協同減少。企業的數字技術應用水平每提高1個單位，將導致企業污染物排放量和碳排放量分別下降3.68%、0.31%。（2）首席數據官角色在企業數字技術應用的減污降碳效應中起到了正向調節作用。（3）企業數字技術應用能夠通過提升企業ESG績效和激發綠色技術創新，推動企業減污降碳。（4）企業數字技術應用的減污降碳效應因企業規模、行業和地理位置而呈現顯著異質性。

建議：第一，加大企業數字技術應用激勵力度。企業數字技術有助于降低污染物排放及碳排放。政府對應用數字技術，包括大數據、人工智能、云計算以及區塊鏈等技術實現減污降碳目標的企業提供稅收減免、財政補貼、金融支持等激勵政策。第二，鼓勵企業綠色技術創新，并強化企業ESG績效考核。政府在加大企業數字技術應用激勵力度過程中，強化ESG績效考核相應措施，如對綠色技術研發專利成功獲批的事后獎勵、ESG報告的強制性披露等。第三，因企精準施策。考慮數字技術應用對企業污染物排放及碳排放影響因企業規模、行業和地理位置差異而產生的異質性，針對中西部地區的企業、重污染行業所屬企業以及大規模企業，在推進數字技術應用的過程中，應注意污染溢出問題。

注釋：

① 因篇幅限制，感興趣的讀者請找作者索取。

參考文獻：

［1］ Bendig D， Schulz C， Theis L， et al. Digital orientation and environmental performance in times of technological change[J]. Technological Forecasting and Social Change， 2023， 188： 122272.

［2］ Wang L， Chen Y Y， Ramsey T， et al. Will researching digital technology really empower green development？[J]. Technology in Society， 2021， 66： 101638.

［3］ 張爭妍，李豫新.數字經濟對我國碳排放的影響研究[J].財經理論與實踐，2022，43（5）：146-154.

［4］ 楊剛強，王海森，范恒山，等.數字經濟的碳減排效應：理論分析與經驗證據[J].中國工業經濟，2023（5）：80-98.

［5］ Wang H， Li Y Y， Lin W F， et al. How does digital technology promote carbon emission reduction？ Empirical evidence based on ecommerce pilot city policy in China[J]. Journal of Environmental Management， 2023， 325：116524.

［6］ 余典范，龍睿，王超.數字經濟與邊界地區污染治理[J].經濟研究，2023，58（11）：172-189.

［7］ Kunisch S， Menz M， Langan R. Chief digital officers： an exploratory analysis of their emergence， nature， and determinants[J]. Long Range Planning， 2022， 55（2）： 101999.

［8］ Singh A， Klarner P， Hess T. How do chief digital officers pursue digital transformation activities？ The role of organization design parameters[J]. Long Range Planning， 2020， 53（3）： 101890.

［9］ Liu B， Qiu Z X， Hu L T， et al. How digital transformation facilitate synergy for pollution and carbon reduction： evidence from China[J]. Environmental Research， 2024， 251： 118639.

［10］孫博文，鄭世林.環境規制的減污降碳協同效應——來自清潔生產標準實施的準自然實驗[J].經濟學（季刊），2024，24（2）：624-642.

［11］Sheng H Y， Feng T W， Liu L. The influence of digital transformation on low-carbon operations management practices and performance： does CEO ambivalence matter？[J]. International Journal of Production Research， 2023， 61（18）： 6215-6229.

［12］Liu Q L， Trevisan A H， Yang M Y， et al. A framework of digital technologies for the circular economy： digital functions and mechanisms[J]. Business Strategy and the Environment， 2022， 31（5）： 2171-2192.

［13］陳劍，黃朔，劉運輝.從賦能到使能——數字化環境下的企業運營管理[J].管理世界，2020，36（2）：117-128，222.

［14］Scuotto V， Magni D， Theofilos T， et al. Chief digital officer and organizational creativity toward digitalization[J]. IEEE Transactions on Engineering Management， 2022： 1-12.

［15］曹裕，李想，胡韓莉，等.數字化如何推動制造企業綠色轉型？——資源編排理論視角下的探索性案例研究[J].管理世界，2023，39（3）：96-112，126，113.

［16］Makov T， Meshulam T， Cansoy M， et al. Digital food sharing and food insecurity in the COVID -19 era[J]. Resources， Conservation， and Recycling， 2023， 189： 106735.

［17］Gu W T， Li L X， Zhang S F， et al. The path analysis of entrepreneurship impacts on circular economy in emerging markets： a mediating role of digital technology[J]. Management Decision， 2023.

［18］毛捷，郭玉清，曹婧，等.融資平臺債務與環境污染治理[J].管理世界，2022，38（10）：96-118.

［19］方先明，胡丁.企業ESG表現與創新——來自A股上市公司的證據[J].經濟研究，2023，58（2）：91-106.

［20］Plümper T， Troeger V E. Not so harmless after all： the fixed-effects model[J]. Political Analysis， 2019， 27（1）： 21-45.

［21］何勤，李雅寧，程雅馨，等.人工智能技術應用對就業的影響及作用機制研究——來自制造業企業的微觀證據[J].中國軟科學，2020（S1）：213-222.

［22］任曉松，孫莎，馬茜，等.新能源汽車推廣政策、融資約束與綠色技術創新[J].管理評論，2024，36（1）：131-148.

［23］謝紅軍，呂雪.負責任的國際投資：ESG與中國OFDI [J].經濟研究，2022，57（3）：83-99.

［24］毛其淋，王玥清.ESG的就業效應研究：來自中國上市公司的證據[J].經濟研究，2023，58（7）：86-103.

［25］Shahbaz M， Li J M， Dong X C， et al. How financial inclusion affects the collaborative reduction of pollutant and carbon emissions：the case of China[J]. Energy Economics， 2022， 107： 105847.

（責任編輯：鐘瑤，鄒彬）

Research on the Synergistic Effects of Firm Digital Technology

Application on Pollution and Carbon Reduction

QING Lingli1， JI Zhou2， ZHANG Wenyue3

（1.School of Accounting， Guangzhou College of Commerce， Guangzhou， Guangdong 511363，China;

2.Shanghai National Accounting College， Shanghai 201702，China; 3. School of Economics，

Heilongjiang University of Science and Technology， Harbin， Heilongjiang 150022，China）

Abstract：Using panel data from A-share listed companies in Shanghai and Shenzhen stock market in China from 2010 to 2022， this study employs a two-way fixed effects model to examine the synergistic effects of digital technology （DT） applications on pollution emissions （PE） and carbon emission （CE） reduction， as well as the moderating role of Chief Digital Officer （CDO）. The results indicate that the application of DT significantly reduces PE and CE by enhancing green technology innovation （GTI） and improving ESG performance， with the establishment of CDO strengthening this effect. Heterogeneity tests reveal that the synergistic effects of PE and CE reduction are more pronounced in small and medium-sized enterprises， non-heavy pollution industries， and those located in the eastern regions. In light of these findings， it is recommended to strengthen ESG performance assessment， further intensify the application of DT， and encourage GTI.

Key words：digital technology; pollution and carbon reduction; synergistic effect; chief digital officer （CDO）